Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Impara Sfida: Creazione di un Percettrone | Rete Neurale da Zero
Introduzione alle Reti Neurali

bookSfida: Creazione di un Percettrone

Poiché l'obiettivo è implementare un percettrone multistrato, la creazione di una classe Perceptron semplifica l'inizializzazione del modello. Il suo unico attributo, layers, è fondamentalmente una lista di oggetti Layer che definiscono la struttura della rete:

class Perceptron:
    def __init__(self, layers):
        self.layers = layers

Le variabili utilizzate per inizializzare i layer sono le seguenti:

  • input_size: il numero di feature di input;
  • hidden_size: il numero di neuroni in ogni layer nascosto (in questo caso, entrambi i layer nascosti avranno lo stesso numero di neuroni);
  • output_size: il numero di neuroni nel layer di output.

La struttura del percettrone risultante dovrebbe essere la seguente:

Compito

Swipe to start coding

L'obiettivo è impostare la struttura di base del percettrone implementando i suoi strati:

  1. Inizializzare i pesi (una matrice) e i bias (un vettore) con valori casuali da una distribuzione uniforme nell'intervallo [1,1)[-1, 1) utilizzando NumPy.
  2. Calcolare i valori di output grezzi dei neuroni nel metodo forward() della classe Layer.
  3. Applicare la funzione di attivazione agli output grezzi nel metodo forward() della classe Layer e restituire il risultato.
  4. Definire tre strati nella classe Perceptron: due strati nascosti con lo stesso numero di neuroni e uno strato di output. Entrambi gli strati nascosti devono utilizzare la funzione di attivazione relu, mentre lo strato di output deve utilizzare sigmoid.

Soluzione

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 2. Capitolo 4
single

single

Chieda ad AI

expand

Chieda ad AI

ChatGPT

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Suggested prompts:

Can you explain how to define the Layer class?

How do I initialize the Perceptron with specific layer sizes?

What is the purpose of having multiple hidden layers in this structure?

close

Awesome!

Completion rate improved to 4

bookSfida: Creazione di un Percettrone

Scorri per mostrare il menu

Poiché l'obiettivo è implementare un percettrone multistrato, la creazione di una classe Perceptron semplifica l'inizializzazione del modello. Il suo unico attributo, layers, è fondamentalmente una lista di oggetti Layer che definiscono la struttura della rete:

class Perceptron:
    def __init__(self, layers):
        self.layers = layers

Le variabili utilizzate per inizializzare i layer sono le seguenti:

  • input_size: il numero di feature di input;
  • hidden_size: il numero di neuroni in ogni layer nascosto (in questo caso, entrambi i layer nascosti avranno lo stesso numero di neuroni);
  • output_size: il numero di neuroni nel layer di output.

La struttura del percettrone risultante dovrebbe essere la seguente:

Compito

Swipe to start coding

L'obiettivo è impostare la struttura di base del percettrone implementando i suoi strati:

  1. Inizializzare i pesi (una matrice) e i bias (un vettore) con valori casuali da una distribuzione uniforme nell'intervallo [1,1)[-1, 1) utilizzando NumPy.
  2. Calcolare i valori di output grezzi dei neuroni nel metodo forward() della classe Layer.
  3. Applicare la funzione di attivazione agli output grezzi nel metodo forward() della classe Layer e restituire il risultato.
  4. Definire tre strati nella classe Perceptron: due strati nascosti con lo stesso numero di neuroni e uno strato di output. Entrambi gli strati nascosti devono utilizzare la funzione di attivazione relu, mentre lo strato di output deve utilizzare sigmoid.

Soluzione

Switch to desktopCambia al desktop per esercitarti nel mondo realeContinua da dove ti trovi utilizzando una delle opzioni seguenti
Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 2. Capitolo 4
single

single

some-alt